如何计算几何平均值并忽略python中的0

Question

我有一个熊猫数据框架，其中包含某些股票的13列每日股票回报率。我想计算每列的几何平均值，但有些列中有零，因为这些业务在不同时间在股票市场上实现。我知道numpy的算术平均值会忽略NaN。有没有办法计算几何平均值并同时忽略零？示例 df：import pandas as pd dictA = {'AAPL': [.02, -.001, .05, .43], 'ABC':[.03, -.02, -.05, 0], 'DEF': [.045, 0, -.10, .63]} df = pd.DataFrame(dictA)的几何平均值是其中 N 是观测值的数量。AAPL.02 * -.001 * .05 * .43**(1/N)是否有某种光滑的代码可以在忽略零的情况下计算几何平均值？

Answer 1

一种方法是使用 np.multiply.reduce 并替换它们，以便它们不会修改结果，并除以每列的非零值量：np.where01




a = df.values
m = (a!=0)
np.multiply.reduce(np.where(m, a, 1), axis=0)**(1/m.sum(0))

Answer 2

创建一个函数，该函数采用列中的所有元素并返回一个元素。将其应用于每一列（在轴 = 0 方向上）。

from functools import reduce

def g_mean(n):

    """Find the geometric mean for iterable n."""

    # Make a list with every element in n that != 0.

    l = [e for e in n if e !=0]

    tot = reduce(lambda a,b: a*b, l) # Multiply all elements in l.

    return tot**(1/(len(l)))

df.apply(g_mean) # Apply g_mean(column) to every column.

Answer 3

几何均值不适用于包含负值的列表（其中一些结果返回虚数），但话虽如此，以下是您问题的一个答案：

import pandas as pd

import numpy as np

def geometric_mean(values):

    return float(np.prod([x for x in values])) ** (1 / len([x for x in values]))

dictA = {'AAPL': [.02, -.001, .05, .43], 'ABC': [.03, -.02, -.05, 0], 'DEF': [.045, 0, -.10, .63]}

df = pd.DataFrame(dictA)

cols = ['AAPL', 'ABC', 'DEF']

for col in cols:

    # exclude 0s from being passed to the function

    print(geometric_mean(df.loc[df[col] != 0, col]))

编辑：我最初有.我将其更改为，因此如果列表的乘积为负数，则该函数现在将返回虚数。return np.prod([x for x in values]) ** (1 / len([x for x in values]))return float(np.prod([x for x in values])) ** (1 / len([x for x in values]))

Answer 4

对于负数，我找到了这个。如果我有一个带负数的股票回报数据框，我会执行以下操作：

from scipy.stats import gmean

gmean(1+df, axis = 0) - 1